機械学習とDFT計算を用いた窒素酸化物の還元触媒となる多元金属サブナノ粒子の探索

点击翻译按钮获取中文摘要

本研究の目的は、第一原理計算と機械学習の組み合わせにより、窒素酸化物を還元的に除去できる優れた触媒を探索し、効果的に反応を進行させるニ元金属サブナノ粒子の条件（成分、組成比、原子数など）を明らかすること、および理論計算により得られたこの物性予測の妥当性を実験によって検証することである。探索対象は、申請者のグル－プで既に単一金属サブナノ粒子の合成に成功している第4周期から第6周期に属する金属元素同士の組み合わせとする二成分合金サブナノ粒子とした。また金属イオンが規則正しく錯形成できる配位サイトを導入した申請者のグループ独自の高分子(デンドリマー)ので合成できる原子数を参考に、原子数は１２原子、組成比は４：８とした。合金サブナノ粒子の計算モデルは熱力学的に最も安定な構造を使用することにし、その構造を求めるために第一原理計算と粒子群最適化アルゴリズムの組み合わせを用いた。粒子群最適化アルゴリズムは広域最適解の探索を得意とするメタヒューリスティクスの1種であり、本研究では計算結果が初期条件に依存しやすいという第一原理計算の問題点を補うために使用した。第一原理計算には計算化学ソフトウェアVASPを使用した。成分・組成比・原子数の条件を偏りなく回帰モデルに取りこむのに十分な数として、220種類の無作為的に選ばれた条件でニ元金属サブナノ粒子モデルを作成した。さらに、そのうち無作為に抽出した40のサブナノ粒子構造に対する一酸化窒素の最安定吸着構造を第一原理計算で求め、その吸着エネルギーを計算した。得られた吸着エネルギーを、成分・組成比・原子数などの合金サブナノ粒子の特徴を示すパラメータと紐づけながらまとめ、データベースを構築した。さらに、得られた計算モデルの正当性を評価する手段として、走査型透過顕微鏡および高角環状暗視野を用いた金属サブナノ粒子の構造測定の準備実験を行った。